دانلود ترجمه مقاله آمار و آنالیز تلفیقی اطلاعات هدفمند فقرزدایی (هینداوی ۲۰۲۲) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

دانلود ترجمه مقاله آمار و آنالیز تلفیقی اطلاعات هدفمند فقرزدایی (هینداوی ۲۰۲۲) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

 

 

این مقاله انگلیسی ISI در نشریه هینداوی در ۱۰ صفحه در سال ۲۰۲۲ منتشر شده و ترجمه آن ۲۷ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

آمار و آنالیز تلفیقی اطلاعات هدفمند فقرزدایی با الگوریتم کلان داده کاوی

عنوان انگلیسی مقاله:

Statistics and Analysis of Targeted Poverty Alleviation Information Integrated with Big Data Mining Algorithm

 

مشخصات مقاله انگلیسی 
فرمت مقاله انگلیسی pdf و ورد تایپ شده با قابلیت ویرایش
سال انتشار ۲۰۲۲
تعداد صفحات مقاله انگلیسی ۱۰ صفحه با فرمت pdf
نوع مقاله ISI
نوع نگارش مقاله پژوهشی (Research Article)
نوع ارائه مقاله ژورنال
رشته های مرتبط با این مقاله اقتصادمهندسی صنایع
گرایش های مرتبط با این مقاله توسعه اقتصادی و برنامه ریزیداده کاویلجستیک و زنجیره تامین
چاپ شده در مجله (ژورنال) Security and Communication Networks
نمایه (index) scopus – Master Journal List – JCR – DOAJ
نویسندگان Meizhen Gao – Li L – Yetong Gao
شناسه شاپا یا ISSN ۱۹۳۹-۰۱۱۴
شناسه دیجیتال – doi https://doi.org/10.1155/2022/1496170
ایمپکت فاکتور(IF) مجله ۲٫۵۳۱ در سال ۲۰۲۱
شاخص H_index مجله ۵۰ در سال ۲۰۲۲
شاخص SJR مجله ۰٫۷۳۴ در سال ۲۰۲۱
شاخص Q یا Quartile (چارک) Q2 در سال ۲۰۲۱
بیس است 
مدل مفهومی دارد 
پرسشنامه ندارد 
متغیر دارد 
فرضیه ندارد 
رفرنس دارای رفرنس در داخل متن و انتهای مقاله
کد محصول ۱۳۳۸۸
لینک مقاله در سایت مرجع لینک این مقاله در سایت Hindawi
نشریه هینداوی – Hindawi

 

مشخصات و وضعیت ترجمه فارسی این مقاله 
فرمت ترجمه مقاله pdf و ورد تایپ شده با قابلیت ویرایش
وضعیت ترجمه انجام شده و آماده دانلود
کیفیت ترجمه ویژه – طلایی ⭐️⭐️⭐️
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۲۷ (۱ صفحه رفرنس انگلیسی) صفحه با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است 
ترجمه متون داخل تصاویر ترجمه شده است 
ترجمه متون داخل جداول ترجمه شده است 
ترجمه ضمیمه ندارد 
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است  
درج فرمولها و محاسبات در فایل ترجمه تایپ شده است
منابع داخل متن به صورت عدد درج شده است
منابع انتهای متن به صورت انگلیسی درج شده است

 

فهرست مطالب

۱٫ مقدمه

۲٫ بازبینی مطالعات پیشین

۳٫ روش تحقیق

۴٫ نتایج و مباحثات

۵٫ نتیجه گیری

در دسترس بودن داده ها

تعارض منافع

تقدیم تشکر

منابع

 

بخشی از ترجمه

      برای رسیدن به درکی جامع تر و سیستماتیک تر از تاثیر کمک های دولت به خانوارهای فقیر به منظور تحقق اهداف مبتنی بر کاهش فقر، در این مقاله در کنار بررسی الگوریتم داده کاوی کلان داده ها به بررسی تلفیقی از یک جامعه آماری و تحلیل اطلاعات برنامه کاهش هدفمند فقر می پردازیم. در این بررسی مطابق ماژول خط لوله در یادگیری ماشین (ML) در چارچوب اسپارک که یک چارچوب محاسباتی کلان داده می باشد پیش رفتیم و علم کلان داده های عصر جدید و الگوریتم های شناخته شده داده کاوی را با یکدیگر ادغام نمودیم،‌ پیش تر برای مدل سازی و تحلیل به حجم زیادی از داده نیاز بود اما در این مدل، روش نمونه گیری تصادفی طبقه ای را مورد استفاده قرار دادیم و بدین ترتیب توانستیم مدل جنگل تصادفی، مدل لجستیک و مدل آبشاری جدید پیشنهادی خود برای بررسی خانوارهای فقیر را تدوین نماییم. برای شناسایی خانوارهای ضعیف از چندین روش شناسایی استفاده نمودیم و به ارزیابی مقایسه ای نتایج آن ها پرداختیم، در نهایت، ‌نتایج نشان می دهند هنگامی که با ۱۰۰ داده واقعی صحت سه روش شناسایی خانوار فقیر را مورد آزمایش قرار دهیم، مقدار مدل جنگل تصادفی تا ۸۲ درصد و مقدار مدل لجستیک تا ۷۲ درصد کاهش می یابد که تغییر اندکی به شمار می آید، اما مقدار مدل آبشاری بدون تغییر در همان ۸۳ در صد ثابت باقی می ماند و در هر سه مدل تغییرات ناچیزی رخ خواهد داد. مزیت طراحی جدیدی که در این مقاله برای مدل آبشاری ارائه شده این است که در این روش می توان تا درصد زیادی نمونه ها را مجدد مورد استفاده قرار داد و از این طریق می توان به شکل موثری از برازش بیش از حد نمونه ها اجتناب ورزید، به همین دلیل دیگر نیازی به وجود حجم زیادی از داده نمی باشد. مدل جدید ما مدلی پایدار و قابل اعتماد می باشد. به کارگیری تلفیقی از الگوریتم های هدفمند کاهش فقر با فناوری اطلاعات کلان و داده کاوی را می توان از عمده دلایلی دانست که منجر شدند نتایج حاصل از استفاده از این مدل دقیق تر و قانع کننده‌تر بشوند. شیار تنه و شیار سمت راست غالبا به خاطر جامعه آماری از علت های شایع کنار گذاشته می‌شوند.

 

بازبینی مطالعات پیشین
     الگوی کاهش هدفمند فقر تنها چهار یا پنج سال است که مطرح شده است و زمان به کارگیری عملی آن در جامعه کوتاه تر از همین چند سال می باشد، به همین دلیل تحقیقات کمی در این زمینه انجام شده است. مدت کمی است که طرح کاهش هدفمند فقر ارائه شده، اما با حمایت قوی دولت مرکزی و تلاش های توامان دولت‌های محلی، طرح کاهش هدفمند فقر در سال های اخیر نتایج قابل توجهی به دست آورده است. امروزه، بسیاری از محققان چینی پیشنهادهای خلاقانه ای برای کاهش فقر ارائه می دهند و توصیف و تحلیل های مفصلی از طرح‌های خود و مشکلاتی که ممکن است در حین عملی کردن طرح با آن مواجه شوند را نیز تشریح می کنند. ژائو اس و دیگر محققان برای مطالعه وضعیت فقر در ساختار خانواده از روش اندازه گیری استفاده کردند. در نتیجه این تحقیقات متوجه شدند چه دسته ای از خانواده ها بیشتر در معرض فقر قرار دارند ]۸[. آواجان و محققان دیگر برای کمک به کاهش هدفمند فقر علم کلان داده ها را به کار گرفتند. آن ها به مقایسه کلان داده های کاهش فقر با داده های کاهش فقر به روش سنتی پرداختند، یافته های آن ها نشان می دهد که کاهش هدفمند فقر به کمک کلان داده ها مزایای بیشتری نسبت به روش های سنتی کاهش فقر دارد و این روش در شناسایی و کمک به خانوارهای فقیر موفق تر عمل می کند ]۹[. گای و چند تن دیگر از محققان فناوری ها و الگوهای سنتی کاهش فقر را به چالش کشیدند. مدل های کاهش فقری که در گذشته مورد استفاده قرار می گرفتند در مقیاس بزرگ کارایی داشتند و ظرفیت اعمال منطقه ای را نداشته و به همین دلیل شناسایی فقیرترین خانوارها به کمک این روش ها دشوار بود. افزون بر این، اگر اطلاعات خانوارهای فقیر برای مدتی طولانی به روز نشود، مشکلات جدید فراوانی ظاهر خواهد شد؛ به همین دلیل لازم است فورا الگوهای سنتی کاهش فقر تغییر پیدا کنند. الگوی جدیدی که ارائه می شود می بایست برای کاهش فقر مد نظر و افزایش کارایی الگوی کاهش هدفمند فقر به صورت همه جانبه فناوری کلان داده ها را به کار ببندد ]۱۰[. کویی و محققان دیگر بر این باورند که هنوز برای لحاظ کردن درآمد اقتصادی خانوارهای فقیر به عنوان استاندارد سطح فقر در خانوارهای فقیر محدودیت هایی وجود دارد. منتهای مراتب، پژوهشی انجام شد که در آن به بررسی شرایط خانوارهای فقیر از گزارشات افراد غیر فقیر تمرکز داشت، نتایج این پژوهش مشخص کرد که ۱۳٫۵ درصد از پاسخ دهنده ها که کشاورز بودند معتقدند برخی خانوارهای فقیری که واقعا به کمک دولت نیاز دارند، در فرایند شناسایی و تشکیل پرونده مغفول مانده اند ]۱۱[. واچکووا و برخی محققان دیگر برای فقرزدایی هدفمند تعریف و تحلیل ارائه داده و نظرات خود را در مورد الزام اجرای طرح کاهش هدفمند فقر را بیان کرده اند. در این مقاله از مدل فقرزدایی مورد استفاده در زمان اصلاحات و گشایش توصیف کاملی ارائه شده و توضیح می دهیم که چرا مدل فقرزدایی گسترده قبلی دیگر برای محیط و شرایط فعلی قابل اجرا نمی باشد، همچنین نکات کلیدی و دشواری های طی مسیر اجرای طرح کاهش هدفمند فقر را به طور خلاصه بیان کرده و مدل عملی جدید خود را تشریح می نماییم ]۱۲[. ویزو واسام و محققان دیگر سازوکار کاهش هدفمند فقر از طریق فناوری کلان داده را مورد بحث و بررسی قرار داده و به این نتیجه رسیدند که فناوری کلان داده می تواند به شکل گسترده ای در جهت کاهش هدفمند فقر مورد استفاده قرار گیرد ]۱۳[.

 

ثبت دیدگاه